Celgene は AI を活用し、製薬研究と創薬を進めています

AI を利用して創薬を変革する

実験用ラット、蛍光灯、白衣。製薬研究と聞くとこうした光景が思い浮かびます。しかし実際に現在の世界をますます発展させているのは、はるかに先進的なもの、すなわち人工知能です。

Celgene は、ニュージャージー州サミットに拠点を置くグローバルなバイオ医薬品企業です。同社が取り組むモダンな創薬の秘訣は、AI の一種である機械学習と深層学習の利用です。機械学習は、大量のデータを分析し、人間には抽象的すぎる、または時間のかかりすぎることを理解するコンピューティング技術をもたらします。深層学習 (機械学習の一種) ではそうした技術をさらに推し進め、非構造化データ内のパターンを認識する脳の能力を模倣しようとするコードが使用されます。機械学習を利用すると、過去の病歴がくまなく調査され、患者の転帰に関する予測を得られます。深層学習を利用すると、医療用画像内の人体の様子に新しいパターンが発見され、医師による判断の改善がサポートされます。

「病院で効果のない薬を処方されたことはありますか? 別の薬を試すものの、やはり効果がない。その次の薬でようやく効果があった、といったような経験はないでしょうか」と、Celgene のグローバルプランニングおよびテクノロジーでアソシエイトディレクターを務める Lance Smith 氏は言います。「Celgene では、効果のある薬がすぐに処方されることを目指しています。患者には、効果のない薬の処方に貴重な時間やお金を浪費してほしくないのです。医師にも、患者の転帰を最良のものとすることに時間を費やしてほしいと願っています」

製薬業界では、革新性と競争力を求める Celgene のような企業に不可欠なツールとして AI が急速に浸透しつつあります。市販薬の市場投入にかかるコストは平均で 25 億 USD 超で、開発期間は 10 年以上におよびます。見込みのない研究は切り捨て、市場投入を高速化することは、医薬品を開発する企業のみならず薬を必要としている患者にとってもきわめて重要です。AI による製薬企業の高速化は、製薬企業と患者の両方に利するものです。創薬において非常に重要な研究者による発見が、劇的に促進されます。

「データが 2 つありますが、その間にある関係性はわからないとします。AI を使用してその解明に挑めることで、以前には考えもしなかった関係性が見つかる可能性を得られました」

Lance Smith 氏
グローバルプランニングおよびテクノロジー、アソシエイトディレクター
Celgene

「データが 2 つありますが、その間にある関係性はわからないとします。AI を使用してその解明に挑めることで、以前には考えもしなかった関係性が見つかる可能性を得られました」

Lance Smith 氏
グローバルプランニングおよびテクノロジー、アソシエイトディレクター
Celgene

医薬品開発に対する新しいアプローチ

癌などの病気は非常に複雑ですが、現在までの治療法は概ね古い方針に従ってきました。そこに機械学習と深層学習が大きく入り込んでいることで、科学者は未発見の治療法やその分析に向けた研究の設計について、さまざまな考え方をすることができるようになってきています。

「Celgene の研究者はアイディアを持っている可能性があります」と Smith 氏は言います。「データが 2 つありますが、その間にある関係性はわからないとします。AI を使用してその解明に挑めることで、以前には考えもしなかった関係性が見つかる可能性を得られました」

従来、研究者は不完全な画像処理アルゴリズムに依存しながら癌細胞を分析し、その後手動で修正を加えていました。細胞の数が数万ともなると、大変な時間と労力が必要になります。しかし、深層学習を利用すると、画像処理をほぼ即座に完了できるうえ、はるかに優れた結果を得ることができます。

「癌細胞が密集したり腫瘍内で正常な細胞と混在したりする傾向を持っていることが課題です。従来の画像分析アプローチでは、正常な細胞と癌細胞の大規模な識別は困難な場合があります」と、Celgene の IT 部門ディレクター、Pascual Starink 氏は言います。「深層学習のアプローチは、人間がやっていることを取り込んで模倣することです。研究者が標識細胞の顕微鏡画像を見れば、個別細胞を容易かつ明確に特定できます。私たちが取り組んでいるのは、そうした認識能力および判断能力を取り込むよう、ニューラルネットワークに教えることです」

こうした分析は、一般的に Amazon SageMaker 機械学習プラットフォームおよび Apache MXNet 深層学習フレームワークを使用して実行されており、特に毒性学上の予測においてきわめて重要です。生きた患者を (または実験用ラットさえも) 危険にさらすことなく研究中の薬品が生体に与える影響をコンピュータ上で仮想的に分析できるためです。

「当社のデータサイエンティストは古典的な教育を受けたプログラマーではありませんが、全員ツールとしてプログラミングを行い、仕事にあたっています。SageMaker を使用すると、複雑なプログラミング言語を新しく学ぶ必要なしに容易に AI アルゴリズムを開発できます。これにより最も得意な作業に集中できます」と、Starink 氏は言います。

速さの処方

Celgene を成功に導いたもう 1 つの要素は、速さです。製薬研究では、非常に複雑なアルゴリズムを何度も繰り返し、化合物と人体との相互作用を予測します。

このプロセスに対して、Celgene は NVIDIA Tesla V100 Tensor Core GPU (グラフィックス処理装置) で稼働する高パフォーマンスの Amazon EC2 P3 インスタンスを使用し、その複雑さを処理しました。この NVIDIA GPU は、機械学習モデルのトレーニングを加速させる数千のコアを備えています。Celgene は、薬品の効果をより高速かつより高精度にテストできるモデルなどを同インスタンスでトレーニングしています。結果は革新的なものでした。トレーニングに 2 か月かかっていたモデルが、4 時間でトレーニングできるようになりました。

GPU ベースの処理能力を備えた革新的な機械学習ツールを使用すれば、Celgene のような企業は医薬品開発においてよりクリエイティブになることができ、過去には実験的すぎるとみなされたであろう新療法の実験を実現できます。時間の浪費や誤った手がかりの追求に頭を悩ませたりすることなく、Celgene の科学者は、以前には不可能だったであろうイノベーションを、記録的な速さで実現していっています。

「より優れた治療法のより迅速な開発を目指しています」と Smith 氏は言います。「昨夜誰かが夢で見たアイディアに基づいて分子を設計することができます。以前まで、そういったことは 2 か月もかかるために決して実現しませんでした。今ではコーヒーブレイクと同じ時間で実現できてしまいます」

Coinbase は、ML を使用して安全な仮想通貨交換所を作成しています

詳細 »

Capital One は、ML を使用してお客様を詐欺から守る機能を強化しています

詳細 »

GE Healthcare は、ML を活用してより良い医療サービスを提供しています

詳細 »

T-Mobile は、ML を活用してより親しみやすい顧客サービスを実現しています

詳細 »